亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

LF-YOLO: A Lighter and Faster YOLO for Weld Defect Detection of X-Ray Image

特征(语言学) 编码(集合论) 计算机科学 卷积(计算机科学) 人工智能 特征提取 模式识别(心理学) 图像(数学) 焊接 卷积神经网络 人工神经网络 计算机视觉 工程类 机械工程 哲学 集合(抽象数据类型) 程序设计语言 语言学
作者
Moyun Liu,Youping Chen,Jingming Xie,Lei He,Yang Zhang
出处
期刊:IEEE Sensors Journal [Institute of Electrical and Electronics Engineers]
卷期号:23 (7): 7430-7439 被引量:38
标识
DOI:10.1109/jsen.2023.3247006
摘要

X-ray image plays an important role in manufacturing industry for quality assurance, because it can reflect the internal condition of weld region. However, the shape and scale of different defect types vary greatly, which makes it challenging for model to detect weld defects. In this article, we propose a weld defect detection method based on convolution neural network (CNN), namely, lighter and faster YOLO (LF-YOLO). In particular, a reinforced multiscale feature (RMF) module is designed to implement both parameter-based and parameter-free multiscale information extracting operations. RMF enables the extracted feature map to represent more plentiful information, which is achieved by a superior hierarchical fusion structure. To improve the performance of detection network, we propose an efficient feature extraction (EFE) module. EFE processes input data with extremely low consumption and improves the practicability of whole network in actual industry. Experimental results show that our weld defect detection network achieves satisfactory balance between performance and consumption and reaches 92.9 mean average precision (mAP50) with 61.5 frames/s. To further prove the ability of our method, we test it on the public dataset MS COCO, and the results show that our LF-YOLO has an outstanding versatility detection performance. The code is available at https://github.com/lmomoy/LF-YOLO .
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
Kevin发布了新的文献求助30
1秒前
4秒前
sunny完成签到,获得积分10
7秒前
Darcy完成签到,获得积分10
10秒前
土豆金完成签到,获得积分20
10秒前
devil完成签到,获得积分10
12秒前
12秒前
123应助snah采纳,获得30
15秒前
科研通AI2S应助晓晓晓采纳,获得10
23秒前
科研通AI2S应助晓晓晓采纳,获得10
23秒前
freeok发布了新的文献求助10
28秒前
29秒前
33秒前
晓晓晓完成签到,获得积分20
36秒前
科研通AI2S应助科研通管家采纳,获得10
46秒前
科研通AI2S应助科研通管家采纳,获得10
46秒前
加菲丰丰应助科研通管家采纳,获得20
46秒前
CipherSage应助blue2021采纳,获得10
47秒前
在水一方应助freeok采纳,获得10
52秒前
伶俐怀亦应助思明采纳,获得10
53秒前
57秒前
Flora完成签到,获得积分10
59秒前
tingyeh完成签到,获得积分10
1分钟前
blue2021发布了新的文献求助10
1分钟前
ddfighting发布了新的文献求助10
1分钟前
something完成签到 ,获得积分10
1分钟前
wei jie完成签到 ,获得积分10
1分钟前
更深的蓝发布了新的文献求助30
1分钟前
早晚完成签到 ,获得积分10
1分钟前
宁少爷应助更深的蓝采纳,获得50
1分钟前
1分钟前
1分钟前
Luoling完成签到 ,获得积分10
1分钟前
哼哼发布了新的文献求助10
1分钟前
1分钟前
郜雨寒发布了新的文献求助10
1分钟前
kk_1315完成签到,获得积分10
2分钟前
2分钟前
Lonala完成签到,获得积分10
2分钟前
2分钟前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Aspects of Babylonian celestial divination: the lunar eclipse tablets of Enūma Anu Enlil 500
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
Dictionary of socialism 350
Mixed-anion Compounds 300
Geochemistry, 2nd Edition 地球化学经典教科书第二版 300
Idoxuridine 260
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3196601
求助须知:如何正确求助?哪些是违规求助? 2845351
关于积分的说明 8053943
捐赠科研通 2509944
什么是DOI,文献DOI怎么找? 1342121
科研通“疑难数据库(出版商)”最低求助积分说明 639320
邀请新用户注册赠送积分活动 608622